PostgreSQL 更新加入与 SQL Server 更新加入

Question

我最近开始将个人项目从 Microsoft SQL Server 转换为 PostgreSQL，我对UPDATE JOIN在两个表之间执行时遇到的糟糕性能感到惊讶。

假设它们看起来像：

CREATE TABLE foo (
  id INTEGER NOT NULL PRIMARY KEY,
  bar INTEGER NULL
);

CREATE TABLE foo2 (
  id INTEGER NOT NULL PRIMARY KEY,
  bar INTEGER NULL
);

在 T-SQL 中，我会使用这样的连接来进行更新：

UPDATE foo
SET bar = t2.bar
FROM foo t1
JOIN foo2 t2
ON t1.id = t2.id;

但是在 Postgres 中运行，查询速度非常慢。

如果我将其更改为：

UPDATE foo
SET bar = t2.bar
FROM foo2 t2
WHERE foo.id = t2.id;

这不是问题。

我知道语法是不同的，但我希望查询优化器能在同一个球场上解决一些问题。相反，事情变得疯狂。除了语法差异之外，我看不到的两个查询之间是否存在细微差别？

解释计划

Update on foo  (cost=85852.43..6211995294.24 rows=338326628280 width=1027)
  ->  Nested Loop  (cost=85852.43..6211995294.24 rows=338326628280 width=1027)
        ->  Seq Scan on foo  (cost=0.00..145721.10 rows=582410 width=1010)
        ->  Materialize  (cost=85852.43..247935.91 rows=580908 width=17)
              ->  Hash Join  (cost=85852.43..241627.37 rows=580908 width=17)
                    Hash Cond: (t1.id = t2.id)
                    ->  Seq Scan on foo t1  (cost=0.00..145721.10 rows=582410 width=10)
                    ->  Hash  (cost=75754.08..75754.08 rows=580908 width=15)
                          ->  Seq Scan on foo2 t2  (cost=0.00..75754.08 rows=580908 width=15)

Update on foo (cost=87575.47..535974.25 rows=581621 width=1022)
  ->  Hash Join  (cost=87575.47..535974.25 rows=581621 width=1022)
        Hash Cond: (foo.id = t2.id)
        ->  Seq Scan on foo (cost=0.00..151301.17 rows=1140417 width=1011)
        ->  Hash  (cost=75761.21..75761.21 rows=581621 width=36)
              ->  Seq Scan on foo2 t2  (cost=0.00..75761.21 rows=581621 width=36)

Answer 1

但是在 Postgres 中运行，查询速度非常慢。

UPDATE foo
SET    bar = t2.bar
FROM   foo t1
JOIN   foo2 t2 ON t1.id = t2.id;

foo和之间没有连接条件t1，隐式CROSS JOIN强制笛卡尔积，即O(N²)（！）更新操作而不是仅仅O(N)。结果是不确定的废话。查询计划中的效果也很明显：rows=338326628280而不是rows=581621（另外：两个计划都是从稍微不同的表中生成的，但这似乎与问题无关。）

可以通过添加连接条件来修复，例如：

UPDATE foo
SET    bar = t2.bar
FROM   foo t1
JOIN   foo2 t2 ON t1.id = t2.id
WHERE  foo.id = t1.id;  -- !

好吧，从技术上讲，这是一个WHERE条件，但都是一样的。

但这只是给猪涂口红。虽然id是每个表的 PK 列，但这只是增加了噪音。使用您已经找到的命令：

UPDATE foo
SET    bar = t2.bar
FROM   foo2 t2
WHERE  foo.id = t2.id;

该手册建议使用以下FROM条款UPDATE：

不要将目标表作为 a 重复，from_item除非您打算进行自联接（在这种情况下，它必须以别名出现在 中from_item）。

和：

当存在FROM子句时，本质上发生的是目标表与from_item列表中提到的表连接，连接的每个输出行代表目标表的更新操作。使用时，FROM您应该确保连接最多为要修改的每一行生成一个输出行。换句话说，目标行不应连接到其他表中的多行。如果是这样，则只有一个连接行将用于更新目标行，但将使用哪一个是不容易预测的。

如果您需要一个LEFT [OUTER] JOIN额外的表，这样的自连接是有意义的（甚至是必要的！）。可悲的是，SQL 中没有规定要"FROM LEFT"在UPDATE. 例子：

• 如果子查询返回空，则取消更新中的列